最近大家都在搞 skills 啊，第一批 skills 的 受害者已经出现了啊，刚群里有个兄弟说我搭了一个发票识别的 skills 啊，发现有时候灵，有时候不灵啊，打脸是不是练得太快了？我前两天还在吹，所有的工作流都可以用 skills 来做一遍。 其实昨天下午我就深度使用了 code skills， 我 就发现有问题，复杂一点的任务啊，这个 skills 确实处理不好，不稳定，这个到底是怎么回事啊？我给大家解析一下。因为这个 skills 啊，就是 cloud 提出来的， cloud 现在是通用智能体最好的模型， opi 也比不了，所以今天我们要做商业化的正式交付的 skills 啊。两个要求一定要注意，首先一定要使用 cloud code 或者 cloud code sdk 驱动的通用智能体。 第二个要使用 cloud 自家的这个大模型，因为它们俩是双维一体的，这个 cloud 大 模型在训练的时候就在这个 skills 环境里面，它不断地学习啊，总结啊，融错啊等等。 虽然国内现在智普啊，豆包啊， kimi 啊都号称在融错，这三家我也都试了，可以，确实都可以，但是今天看稳定性确实差的多，所以这其实对我们小创业者来说是个好的消息啊，这些大厂暂时还占领不了这个市场， 我们还可以做一些利用国外的大模型，是吧，可以做一些小的场景，我觉得抓紧吧，还有个几个月的时间差吧。那所 谓 cloud code sdk 驱动的通用智能体，现在开源项目各种各样，太多了，我也推荐一下，我自己开发的， google 也是完全免费，包括内置的 skills 啊，包括 ppts 啊，包括什么公众号发布啊等等，咱也可以用一下。
粉丝1988获赞1.2万
相关视频
00:42查看AI文稿AI文稿给你们看一下 scuse 到底有多恐怖？这个是提取工具，它支持某书、某音、 pk 避战等各大媒体平台提取，这个主要做分析来用， 它可以从关键词手段敏感、内容风险、商业化程度、互动出发，潜力和内容结构这六大方面逐一分析。而这个可以根据你的要求来生成不同平台的视频脚本，算是 某书、某音、电商和门户网站的都可以。而最后这个就是运营发布了，它可以发布到某书、某音等各大主流平台。刚才所看到的这些工具， scuse 完全可以把它们结合成一个工具，可想而知这样的风格怪到底有多恐怖。找不到和那些不会用的小伙伴，主页踢我。
453鑫一讲AI实战![如何为自己的当前任务找到最匹配的Skills？ 以前我们找 skills，可能是通过其他人的分享，或者自己在各种仓库中搜索。
.
现在，我们只需要通过 find-skills 这个skill，就可以为自己的当前任务找到最匹配的Skills。
.
比如你要处理某个任务，你就可以这么输入：npx skills find [query]，这里的 [query] 就是你想找的skills主题。也可以用自然语言描述，
.
它和skill-creator skill都是元skill的存在，一个是制作skill的skill，一个是找skill的skill。#skills #agentskills #claudeskills #agent #AI编程](https://p3-pc-sign.douyinpic.com/image-cut-tos-priv/c243988f989655fb7a9640fd7fffe6ca~tplv-dy-resize-origshort-autoq-75:330.jpeg?lk3s=138a59ce&x-expires=2101345200&x-signature=z5kXM%2Fnn2G7cODOiH16lG7ns25c%3D&from=327834062&s=PackSourceEnum_AWEME_DETAIL&se=false&sc=cover&biz_tag=pcweb_cover&l=202608061119504AB4707CC64D9C25BC1B)
03:47查看AI文稿AI文稿hello， 各位精神股东们，我是 next 菜菜，今天和大家分享一个很实用的 skills， 可以 帮我们快速找到最匹配当前任务的 skills。 之前在 skills 蓝皮书和大家分享过 skills 点 s a 这个高质量的 skills 源库， 这两天就在他的二十四小时榜看到了个冲上榜一的 skill。 find skills 每天都是十 k 以上的安装，和第二名远远拉开差距，目前是总榜第二，而且还有上升的趋势。为什么 find 剪 skills 这么火呢？ 因为它很好地解决了我们到处找 skills 的 痛点。以前我们找 skills 可能是通过其他人的分享，或者自己在各种仓库中搜索。 虽然之前分享的 skills mp 这个资源库也支持搜索，但它目前的搜索体验比较一般，一是中文搜索命中比较低，即使用 ai 搜索也没有特别理想。二是它需要跳出当前任务，打开 skills mp 才能搜索，会切断工作流。 而 find skills 只需要运行在单个 a 阵中就可以完成 skills 从搜索、安装到后续检查、更新的全过程。接下来给大家演示一下如何在 cloud code 使用 find skills， 同时会分享一些注意事项。 这是 find skills 的 项目仓库，虽然你可以用之前 skills 蓝皮书分享的任意一种方法进行安装，但如果想方便后续管理和更新的话，那我建议用 versale 官方发布的属于原汤化原石。 运行这条指令后，它会有这么几个选项让你选。首先是安装的 agent， 就是 让你选择安装到哪个 coding agent 中，可以一键安装到全部 agent 中，我是没想到自己安装了这么多个 coding agent， 也可以选择具体的 agent， 具体看你的个人偏好。 接着是安装的范围，可以选全区范围或项目范围。最后是安装的方式，分为 simlink 和 copy to all agents 两种。 simlink 就是 通过创建符号链接实现集中管理，保证单一真实来源且便于统一更新。 copy to all agents 就是 将文件直接复制到所有 agent 节点，每个节点独立存储。我选的就是所有 agent， 加项目范围加 simlink， 安装成功后，就会在当前项目里看到成功安装的各种 agent skills 路径。 这一步就很简单了，打开 cloud code， 输入你想要找的 skills 方向。你可以用 npx skills、 find skills 关键词这种指令也可以直接用自然语言提问，比如帮我找下 seo 标签优化的 skills， 或者有没有 youtube 视频下载相关的 skills， 然后 find skills 就 会给你找出相关的。 接下来你只需要告诉他你要安装哪个 skills 即可。如果他能在搜索结果中加上 skills 安装数，这样我们就能更好地判断哪些 skills 更安全点。 这里分享使用 find skills 的 两个小 tips， 一、 无论你是用 n p x skills、 find 指令还是用自然语言搜索词，都尽可能细化。比如能用 seo meta 就 不用 seo， 能用小红书封面就不用小红书。 你可以去观察每次搜索的输出过程，它的搜索词是根据我们给出的关键词进行拓展的，如果给出的词太大，搜索精度就会下降。二、如果你用英文提问的话， find skills 只会搜索相关的英文关键词，但如果你用中文提问的话，它会同时搜索中文关键词以及相关英文关键词。 除了找 skills， find skills 其实还有三个功能指令容易被大家忽略。一、 n p x skills list， 用来列出已安装的 skills， 大家后面可能会安装越来越多 skills， 这个指令就可以让大家快速知道自己都安装了哪些 skills。 需要特别注意的是，这个指令有个局限性，就是只能识别通过 n p x skills add 安装的 skills。 如果你是通过其他方式安装的，那么它就不会识别出来。还有两个指令，分别是 n p x skills check， 用来检查可更新的 skills。 nmx skills update， 用来更新所有安装的 skills。 这两个更新一定程度上解决了之前在蓝皮书里提到的 skills 更新维护问题，但使用的前提，尤其 npx skills update 的 使用，一定是你信任这些 skills。 find skills 目前已收入进 skills 蓝皮书，还没看过蓝皮书的精神股东可以一步查看。今天这期视频的内容就到这里了，我们下期见。
2677Next蔡蔡
00:31查看AI文稿AI文稿历史性时刻，今天 openclo 登顶 github 历史点赞榜第一，仅用三个月，直接超越 react 框架和 linux。 而这三个免费的 openclo 风向标网站，可以让你快速进入龙虾生态。 首先是 openclodder， 这里汇集了三千四百二十五个 skills 和六百零二个插件。第二个是 openclo directory， 功能超全面，它把工具给你分门别类整理好了， ai 智能体团队部署、工具托管服务、插件、技能优化器全都有。第三个是 openclo 创业追踪，你可以看到哪些用龙虾套壳已经营收的项目，做的类型，营收数据定位都可以查看到。
5981阿博粒
03:00查看AI文稿AI文稿最近尝试在垂下使用 skill 来辅助编程，我会在视频最后来列出我常用的 skill 都有哪些。经过实践，可以让我在几个小时内构建一套比较完整的商业化 ui 交互界面。界面美观，功能也丰富，可以做基于 mock 数据的模拟交互。 最主要的是，我通过 tree 还做了大量的靠拢实际要求的细微版面优化调整，例如字号间距、样式排版等。这部分工作琐碎又众多，也是真正要做商业交付离不开的工作。 经过一套实际操作下来，发现借助 skill 创建的工程结构合理，逻辑清晰，组建拆分独立性强，样式不会污染， 极少出现改了这里，错了那里的情况。只有通过这样的测试，才是符合实际商业化开发的模式。下面我来逐一讲讲我都安装了哪些 skill。 find skills 聚合海量社区资源，帮你快速定位并匹配所需的高频能力模块。 skill creator 将你的业务经验与工作流封装为标准化。 superpowers 激活 ai 的 高级推理与工具调用能力， 最大化任务执行效率。 web design guidelines 遵循现代网页设计规范，消除 ai 生成痕迹，确保产出具备专业质感。 u i 刚 u x pro max 聚焦用户体验与交互逻辑，为产品经理提供专业级的设计决策支持。 tailwind design system 集成 tailwind css 设计系统规范，提升前端开发的一致性与效率。 versail react best practices 遵循 vsail， 即社区推荐的 react 最佳实践，构建高质量前端架构。 resort best practices 集成 remotion 视频框架最佳实践，通过代码高效生成视频与动画。 vsail composition patterns 提供 react 组合模式与架构规范，与前端最佳实践协同使用 next best practices 封装 next 点，这是全站开发最佳实践，适用于现代全站项目构建。 planning with files， 参考 minus 等先进的一种模式， 通过多文件存储计划动作与思考，提升任务可控性。 front end design 借鉴 antropig 前端设计提示词风格，开发具有辨识度的生产级界面。 best minds 动态匹配领域专家角色，突破单一提示词限制，获取多维度的专业解答。 以上就是我使用吹编辑这个代码时所用到的 skill， 确实对于界面生成、工程架构组建、拆分到后期细微调整都提供了不少帮助，相信以上的信息对大家也会有所帮助，祝大家都能用好 ai 助力工作。
2205程序员老许
02:53查看AI文稿AI文稿hello， 我是 ai， 普通话，用通俗易懂的语言讲解 ai 方案，既讲优点也讲缺点。今天咱们来聊聊怎么给 open curl 开发一个对接内部信息系统的 skill。 大家都知道 open curl 很 厉害，但是怎么自定义扩展技能 是陪自己企业的系统，这就是问题了。接下来我就一步步给大家讲讲怎么开发这个自定义技能。咱们就以查询内部员工信息系统为例。第一步，得给这个技能创建一个家。 open call 的 自定义技能一般都放在工作群里， 咱们就给内部系统技能专门建个文件夹，就像给一件宝贝找个专属的盒子一样，这样管理起来更方便。具体操作就是在命令行里输入一些指令，创建好对应的文件夹，一个用来放调用内部系统的代码，另一个可以放一些相关的文档资料。 第二步，要写一个核心的配置文件，这就好比给这个技能制定一套规则，这个文件会告诉大模型什么时候该用这个技能 以及怎么用。比如说当用混公司内部人员信息的时候，就可以调用这个技能。同时还规定了只能进行精确查询，不能大批量查询，这也是为了保证系统的安全和稳定。第三步， 要编辑具体的业务逻辑脚本，这就像是给技能装上一个大脑，让他能真正的干活。脚本会根据用户输入的信息去内部系统里查询相关的数据。这里要注意， 千万不要把系统的健全信息直接写在脚本里，要通过环境变量的方式来设置，这样能保证信息的安全。第四步，这一步是可选的，如果内部系统的业务逻辑比较复杂，咱们可以写一些文档资料，帮助大模型更好的理解系统的规则和操作， 就像给大模型一本说明书，让他能更准确的工作。最后一步就是测试和部署，先重启一下网关或者重载配置， 然后在聊天工具里和 open core 对 话，比如让他查一下某个员工的联系方式， open core 就 会按照咱们之前设置的规则 去查询数据，然后把结果整理成大家能看懂的话反馈给我们。这里我要给大家提几个安全方面的建议。在给 open core 对 接内部系统的时候，要遵循最小权限原则， 只给他必要的权限，别给太大的权限，不然可能会有安全风险，还要明确约束他的行为，比如在进行一些重要操作之前，要先和我们确认。另外 一定要把系统的密钥通过环境变量的方式来设置，别直接写在配置文件或者脚本里。你们在实际应用 open call 的 时候有没有遇到什么难题呢？可以在评论区和我交流交流。
104AI普通话
06:50查看AI文稿AI文稿今天我们来看看如何在掌握压力，能够将业务流程、业务经验固化成 skills 技能， 从而通过这个技能去指导 ai 完成特定业务流程的工作，让 ai 不 再是通用化，真正变成垂直业务领域的，对我们业务有用的 ai。 那我这个本地呢，有一个二零二五年的汽车销售数据，可能是 ai 给我造的，里面有很多的字段，订单日期、地区、城市，然后渠道来源是是不是试驾、经销商、指导价等等的字段。那这些字段的话， 它在我们的企业里面，字段之间的关系都是有明确的含义的。那作为一个老师傅的话，他是很容易知道该怎么去分析这样的一个 excel 的一个表格，并得出一个什么样的结论。那今天的话，我们就模拟这位老师傅，能将他的业务经验转化成 skills 技能给沉淀下来，并且真正让 ai 去用好这份技能。 那我这里的话，本地已经创建了一个汽车销售经营分析的 skill 它的名称。然后它的简介呢，就是说当用户去要求分析汽车销售的 excel 数据的时候，能够按照汽车销售行业的业务逻辑去分析，而不是简简单单的去统计一下数据。那 作为一个汽车销售经营分析的 skill 的 话，那在这里面它主要分为了几部分，第一部分的话是讲汽车销售的业务逻辑，那主要是 来源销售渠道、人员、车型、订单、销售额到利润这样的一个分析路径。然后一次订单的话，是代表着从来源到店咨询到试驾报价、成交、交付的一个完整的过程，在数据里面它又是 怎么样去体现的？也就是我们 excel 里面的字段之间的关系是这个样子。然后第二个就是我们汽车分销售分析的核心问题的话，那我们希望他面向销售管理层，关注哪些车卖的好， 哪个市场卖的好，哪些渠道卖的好，哪些销售人员的业绩最好。所以说我们要求他在分析的时候要优先去回答这四个问题，然后再回到整体的经营情况分析，让他去总销量、销售额、利润，然后他的计算逻辑去是这样，然后输出整体的经营概。 有了整体之后，我们再让他去分析单车型的销售分析，因为他现在的话，比如说那我们公司最关注畅销车型是什么，所以说希望他按照车型的销量、销售额、利润去统计分析，识别出销量最高的、最赚钱的那些车型是什么。 然后再看地域性的一个分析，因为不同的地域会有不同的市场差异，然后我们希望他的分析方法的话，能够按照地域、城市去统计这些几个维度的指标，识别出来销售额的市场和利润最高的市场。然后再看销售渠道， 根据这些销售渠道，那我们希望他按照销售渠道的的方式去统计分析，识别出来最最最有效的渠道，最赚钱的渠道。最后我们还要再分析我们销售人员的个人业绩，那我们希望他直接输出销售人员的业绩排名。 最后基于以上所有的数据的话，我们让他去分析销售洞察，那都都洞，洞察的话再让他去给出哪些车是欢迎的，哪些地区的市场好，哪些销售渠道贡献大，哪些销售人员的业绩好？ ok， 有 了这样的一份 skill 之后，那我们直接在这里面当前起用状态给它激活，那我们就可以直接在这里去问了。那这里面的话，我把刚刚的 excel 导入 给选中了，然后问他，这是我们二零五年的汽车销售数据，让他去深深度的分析数据，并给出结论。在这里面的话，他拿到这样的一个任务之后，他先分析当前的数据结构， 然后再去做行业的一个交叉验证，最后的话它规划会启动专用的这个汽车经营分析 skill， 去分析这个数据。第一个的话，它先分析了这个数据表结构分析，分析这个 excel 的 所有的字段，哎，总有多少行，多少列，标题头有哪些，然后进行一些数据运转， 然后所有的结构，有的话他就开始去加载这个汽车经营销售分析的指令，哎，这这这个就是我们的业务分析方法论，全部在这里给到了他，然后他就知道他应该去怎么样去分析，得出一个什么样的结论，然后他开始去写代码， 哎，可以看到代码一个个的代码都出来了，然后计算出来了整体的经营情况是什么样子，然后再再做第二步，进行一个车型的销售分析，一样的去写代码，最后得出来了车型的 top 三是什么样子。然后第三步他又去做区域的市场分析， 然后分析出来华中、华东、华南，然后是什么样子。最后的话他们再去做销售渠道的分析，计算那个订单的贡献，渠道利率等等的啊，然后分析出来，哎，线上商城是最多的。 然后他又接着去分析销售人员的业绩，可以看一下代码，在代码里面都是很复杂的，一些代码分析出来的话，他已经 分析出来这个销售的业绩，哎，成绩是第一的，然后最后他会综合，他觉得他自己已经完成了我们这个 scale 里面要求的五个维度的深度分析， 然后他觉得所有的信息都已经拿到了，然后结束当前的工具调用，进入到最终答案报告生成，哎，可以看到报告里面有这个整体的经营的健康度的分析， 分析出的利润可能不足。然后第二个的话，对车型结构分析说现在是新势力主导理想，幺幺七，现在是一个销销量跟利润的双冠王， 然后 model 三，小鹏石膏毛利，合资车的话承担成交就比较明显。然后第三个的话，从这个区域的表现去看滑动滑烂他们的区域的情况，进行一个洞察，分析结果，然后渠道，然后就是人员的绩效，最后的话也给出来了一些可说话的一些结论， 这里面有有个维度的 top 三的对比，然后最后还给出来了一个聚焦的可执行动作的一个建议，对吧？从车型区域维度，那我们建议我们应该去怎么去做？ 最后再一句话的总结好了。看完这个的案例，是不是觉得现在的 ai 离我们的业务已经不远了，已经能够深度的去结合我们的业务了，只要把我们的业务的知识，我们希望 他怎么去做，通过 skill 灌输给他，那他就能完全按照我们的要求来执行相关的任务了。
04:38查看AI文稿AI文稿tiktok 上最近出了个非常火的项目，叫 agent skills for context engineering， 发布没多久就斩获了超过五千九百个星标。 为什么它能瞬间引爆社区呢？因为如果你想让你的 ai 助手，无论是处理长篇报告，还是在多轮对话中，始终记得重点， 他就是那个能让 ai 从能跑变成真正好用的关键。这个项目其实揭示了一个挺残酷的现实，就是现在的 ai 哪怕模型再强，也逃不开一个金鱼脑定律，也就是所谓的中间遗忘。你让他读一篇长报告，或者跟他聊久一点， 他就会把最关键的信息给忘了，注意力被一大堆无关紧要的背景信息给稀释掉了。这感觉就像什么呢？就好比你请来一个知识渊博的图书馆的书， 但他的工作台就巴掌那么大，乱七八糟的，结果永远找不到刚刚才看过的那一页。很多人可能有个误解，觉得 ai 的 上下文窗口越大，处理能力就越强。但其实恰恰相反，窗口越大，噪音就越多。所以 现在的瓶颈根本不是 ai 不 够聪明，而是他的工作台太乱，导致性能严重损耗。说白了，如果这个问题不解决， ai 就 只能是个新奇的玩具，根本进不了像金融、法律这种要求极高准确性的专业领域。既然这个工作台空间有限，是个物理限制， 那我们该如何像整理收纳一样，把 ai 宝贵的脑容量用到刀刃上呢？其实啊，我们不是在扩建 ai 的 大脑，而是在优化它处理信息的工作台面积。这个项目就引入了一个非常巧妙的机制，叫做渐近式加载，你可以把它想象成我们电脑操作系统的虚拟内存。 什么意思呢？就是 ai 助手在刚开始的时候，他只知道自己有一堆技能包，但他只加载了这些技能的名字和一句话简介，就像一个工具箱的目录锁影，只有当任务真正需要用到某个具体技能时， 比如说要分析一份财报，他才会去加载那个技能的完整说明书和具体用法。这种按需取用的设计，一下子就打破了过去我们玩 prompt 工程的那种暴力堆砌的方式。以前我们总习惯把所有规则、所有知识都塞进一个巨大的 system prompt 里， 结果模型还没开始干活呢，自己就已经被撑得快不行了。现在这个思路其实是一种对 ai 指令的精细化治理，让模型在保持轻量化的同时，又具备随时调取各种专业工具的能力。但你想想， 仅仅会用工具，这还不够。如果真想把 ai 变成一个靠谱的数字员工，他还需要一套像我们人一样的思考逻辑。所以这个项目里新增了一个认知架构的模块，引入了一个经典的认知心理学模型，叫 b d i， 也就是 belief 信念 desire 愿望和 intention。 意图这东西听起来很玄乎，但它做的事情其实很简单，就是把外部的知识转化成 ai 自己的信念，然后通过设定一个目标，也就是愿望 来驱动它，制定具体的行动路径，也就是意图。这么一来， ai 的 推理过程就不再是一个我们看不懂的黑盒子了， 他会像我们人一样，有一条清晰的逻辑链，比如他会告诉你，因为我相信这个数据是真的，我的目标是找出风险，所以我打算先做数据清洗。 当 ai 能够解释我为什么这么做的时候，我们对他的信任度就会大大增加，这才是从一个简单的指令跟随者到一个真正的决策代理人的关键一步。那么面对这些听起来有点复杂的架构和技能， 我们普通开发者或者重度用户到底该怎么快速上手呢？其实很简单，首先我们得认清核心痛点，就是大模型在长对话里的中间遗忘和注意力稀释问题 解决它是 ai 从玩具变成生产力工具的前提。其次，一个最高效的策略就是采用渐进式加载，这种机制只在需要的时候才加载完整的技能，这样能极大的节省宝贵的上下文空间，让 ai 反应更快更进一步。引入像 bdi 这样的认知架构， 能让 ai 的 行为从简单的概率猜测升级到有逻辑可解释的推理，这在处理复杂任务时会稳定的多。 所以最后的落地建议就是，无论你是用 curser 这样的 ide 还是自己开发 ai 应用，都应该把上下文管理当成一门严肃的工程学科来看待，用模块化的方式来管理和赋用 ai 的 各项技能。好了，今天的内容就聊到这里了，如果你觉得有帮助，记得点赞关注，我们下期再见！
74AI大白话
02:12查看AI文稿AI文稿你可能有一个问题，如果我装了五十个 skill， 启动时全部加载了 token， 就 撑爆了你？其实答案就不会， 因为 s 融资公司在设计 skill 时用了一个巧妙的设计，就是渐进式纰漏。我们来说一下 skill 的 三层加载机制，便于你加强理解。第一层 skill 在 启动时仅加载目录， 也就是 name 加 description 原数据，每个 scale 大 约也就一百个 token， 五十个 scale 粗略的算也就大约五千个 token。 具体取决于描述的长度， 核心目标是让模型快速感知技能时的全貌，知道有哪些 scale 何时被触发。第二层 skill 在 触发时才加载说明书，也就是 skill 点 md 的 正本，只有当任务匹配时才加载。官方建议控制在小于五千 toc， 长度随内容而定，以确保模型严格遵循该技能的流程。第三层 skill 在 执行时按需加载参考书、脚本等扩展资料，未读取不占上下文，脚本可执行，而无需把脚本内容读入上下文。由此可以推断，第三层开销主要来自你实际读取的参考内容与 执行产生的输出，因此在常态下几乎不占输出。我们用使用 skill 的 前后算一笔账， 以前单次四万个套餐的场景，现在只需一万，省了百分之七十五。真是一句广告词，用的越多，你省的越多。 这里打了一个小小的广告，如果有朋友对高质量的大模型，比如 oppo 的 四点五，有需求的可以给我留言，我这里有非常稳定的服务，可以给大家推荐。下一集是本系列的第四集， skill 和 mcp 到底有什么区别？ 看完这个系列，相信对你使用 skill 乃至 ai 的 能力都会有巨大的提升，下一集还是干货，千万别错过！点赞加关注，获取更多的有价值的 ai 新信息！
04:52查看AI文稿AI文稿今天带大家零到一口喷做一个 ai 产品经理的 p r d 生成的 skill。 首先给大家看一下我用这个 skill 针对于合同文件审查智能体生成的一个 p r d 文件，这个目录我是专门在这个 skill 里面去写进去的， 你可以发现这里的目录的链接是可以点击的跳转到对应的文件。 ai 产品的 p r d 和传统的 p r d 其实是非常不一样的，除了业务背景目标进行分析产品方案以外，大家可以看到详细设计，这边会有 a 证的工作流设计， prom 设计规范，术语模型， 然后非功能需求有一些性能的要求，以及我们讲 ai 产品经理非常重要的关于你产品的整个的评估体系，包括数据评测级和 bad case 分 析和迭代闭环。所以这个 prd 相对于来说是非常非常完整的。比如说这个 ai a 阵的角色的工作流设计， 这个里面会包括四个 a 阵的一个文档解析的 a 阵，这个 a 阵执行它的一个角色以及它需要的信息能力和工具清单其实都是有的。整个的这个合同智能体的 a 阵其实是一个多智能体协调架构，它包括四个 a 阵。 在这个 prd 里面所有的这种流程图都是可以通过 moment 来进行渲染的，非常非常直观。包括这里的持续图，包括所有的 prompt 设计规范，整个的工具调用规范，以及呃， ai 帮我们生成的评估的指标，生成的评估的测试体。整个的 prd 作为初稿来说，基本上六十分肯定是有的，还是需要去进行一些优化，同时把你优化调整的部分去不断的再去完善这个 skill。 给大家看一下我的 skill 文件，之前我也有很多视频跟大家讲了 skill 是 什么，这个里面包括概述使用方法，它的执行的流程，具体的信息，它的设计规范等。 呃，跟大家讲一下我的整个的这个 skill 开发的过程，我是把整个的 skill 开发完了以后，结合 excel 的 插件，让 ai 帮我自动形成了一个这个开发的流程。整体来说我的一点零的这个 skill 分 成四个阶段，第一个是我给到 ai 提供了一个优秀的 p r d 的 文件的样例以及核心模块的一个书写的要求， 同时要求他按照我给他提供的样例帮我去生成这个 p r d 的 呃 skill 的 md 的 文件，同时他创建了个进度管理文件，在第一阶段完成以后，出版本或说槽稿版本的 skill 就 已经开发完成了。这个时候我用出版本的 skill 我给他提供了个新的场景，说你帮我去写一个合同的审查智能提的这么一个 p r d 的 文件，在理解了我的需求以后，跟我写作了以后，基于这个 skill 帮我生成了 p r d 的 文件，然后我对于 p r d 的 文件去进行了一些检查以及校验，告诉他这个 p r d 文件里面哪里还有具体的问题， 跟他写作的过程当中去解决了很多 bug 以及优化的流程。最后基于这个 p r d 的 文件，我跟他写作过程，他在反向的去优化哦他的 skill 文件，直到我们把 p r d 完成了以后，形成了这个一点零版本的 skill， 然后给大家看一下我和他那个开发过程。首先第一句话我会给他发一个 quarry， 就是 我是一个 ai 产品经理，我想 做一个自动化写 p r d 的 skill， 请你参照 color skill 的 结构，帮我开发这个 skill， 并保存在 skill m d 文件当中。然后我就给了他两个参考文件，第一个是我们过往写作的一个优秀的 p r d 的 视例，第二个的话就是一个 ai 产品 p r d 的 核心模块的书写规范，我告诉他，请你参考这两个文件，帮我抽象出这个 p r d 写作 skill。 我 后续的所有的场景都需要附用这个 skill， 他就正在读取这两份 pdf 文件，在这个时候他就已经可以创建这个 skill md 的 文件了，也就是刚给大家展示的这个草稿的这个 skill 文件。第二步我就告诉他，请调用这个 prd 的 skill 文件，帮我写一个合同文件审查智能体的 prd， 我 会基于他生成的 prd 的 结果和他进行写作调整，逐步来完善这个 skill。 所以 在这个过程当中他就跟我交互，最后把这个合同文件审查智能体的 prd 写出来，也就是这份文件。针对于这份 prd 文件，我会发现有几个坑， 第一个坑是一开始他给我的时序图还有流程图都是代码形式的，但是我想要去做格式化呈现，所以我就告诉他，我想调用 mmm 工具来做格式化的呈现，他就给我去做了一些脚本上，以及嗯，帮我去建议我去加哪些插件，我就可以最终实现这样一个格式化的一个效果。同时我要求 他帮我把这条规则补充进 p r d skill 中，他就帮我去更新我的 skill 文件，包括说一开始他帮我做出的这个时序图和流程图，有一些色块和字体是看不清楚的，比如说像这种我就直接口喷告诉他需求他就可以给我改，对，改成这样 其实是非常快的。当我的 skill 开发完成了以后，我又艾特他，我当时给到他的一个对应的核心模块及规范，让他帮我 review 一下他现在生成的这个 skill 是 否已经完全的从这个核心模块规范文件当中抽象画出 p r d 写作的规范。在他 review 的 过程当中，他继续的帮我补充了一些信息，最后我将这个 skill 文件保存为一点零的版本， 同时告诉他帮我把这个 skill 研发的过程帮我总结一下。同时因为开发这个 skill 文件踩过了很多坑，所以我让他把这些经验教训保存在一个叫做 lessons md 的 这个文件当中。开发过程当中踩过了坑，后续的话不希望呃在其他的项目当中去复现。他给我形成的这个 lessons md 就是 开发经验教训与避坑指南，其实就在这里， 包括 moment 的 开发的问题，我看不清的问题等等各种各样的问题吧。所以也给大家一个启发，就是可以及时的和 ai 交流一些开发当中的坑，然后及时的去保存在这个经验教训的文档当中，你的 ai 会越用越聪明。我检查过程当中，我还发现他一看给我的目录只是文字的形式， 我觉得上下拖拉拽是非常难的，而且我很难定位，所以我又让他帮我去在目录这里去增加一个定位的超链接，让我对应点击就可以到对应的这个章节的内容，方便我去阅览我的 pdf 文件当中去 整个的 skill 的 研发过程当中，自己是没有写一行代码的，这种 skill 的 创建的过程，以及我们在研发过程当中和 ai 的 交互，包括经任教训的总结，以及整个开发流程的回顾， 以及给到 ai 相关的一些参考的信息，从具体的事例当中去抽象出一些规则，让 ai 自己去学习的这种方法是我们自己在 coding 的 一个可以积累的经验，如果你有兴趣的话，可以自己动手去试一试。
6820亚慧AI产品经理
04:06
02:01查看AI文稿AI文稿这两天把点 ko 一 近五十个视频的啊，底层逻辑以及风格呢，把它封装成一个 skill， 然后能够自动帮我去生成啊公众号的文章或者是视频的脚本。然后呢，它还能够帮我自动配图，是如何做到的呢？ 这个 skills 呢，主要包含以下几个部分，那第一个呢，叫提炼风格，在这块呢，我是一次性把点 ko 一 近五十个视频投入给 notebook lm 中，让它去帮我进行分析。 如果不知道怎么样去操作的小伙伴也可以参考我这期视频。然后呢，我在 gemini 中呢，让他分析出 denco e 的 这个整体的它视频的逻辑以及风格，呃，也生成了一套完整版的提示词，有需要的小伙伴呢可以在评论区告诉我。 然后我把这套风格呢，首先呢封装进我的 skills 里面。其次呢，我让他呃去帮我搜索，以及加上我自己提供的素材去生成文章，再让他去帮我去除 ai 位。这里呢，我参考了这个 skill， 大家有兴趣的小伙伴也可以去进行参考。最后一步呢，就是让他为我进行配图， 当然这步如果你觉得花的 token 太多的话，你也可以选择让它生成提示词。然后呢，后期自己去配图，因为本身一篇文章你也不需要配太多图。如果有需要去配图的话，呃，你可以参考我这个 key 的 配置。接下来呢，我把这整个 skills 呢进行一个封装，然后生成一个 md 格式的呃文件。然后， 然后呢我在 cloud code 中呢，首先我建了一个文件夹叫点 cloud， 然后呢在这个文件夹中呢，再建了一个文件夹叫 scuse， 然后，然后呢，我把这个文件呢命名成 wechat writer， 它这是一个一点零点零的版本。然后所有的刚刚我们说到的步骤呢，我都在这里面详细进行了描述。 接下来呢，我就要告诉他，帮我点扣一这个 skill。 然后呢，写一篇四百字左右的文章啊，就关于你怎么去看待 openclaw 这个主题，并且配两张图。然后呢，他就会帮我调取这个 skill 啊，然后完成相关的文章啊，包 包含了这个，呃，文章风格的这个提取啊等等。然后呢，最后呢，他就帮我输出了这一篇文章，我看着啊，我觉得整体还是挺不错的，有图有文。最后呢，我觉得大家可以去参考一下自己工作流中有没有一些重复的工作，把它封装成一个 skills， 快 去试试吧。
2944Alice.X
06:24查看AI文稿AI文稿今天我想给大家分享一个正在改变 ai 使用方式的重要概念，那就是 skill。 如果说最近这段时间有什么词儿在 ai 领域最火，那毫无疑问就是这个 skill， 这也是二零二六年 ai 一定会大规模爆发的一个领域，搞懂了它，你就能把自己的经验直接装进 ai 的 脑子里面，让它像老员工一样靠谱。 那普通人为什么要懂 skill 呢？因为这是第一次 ai 允许你把自己脑袋里面的行业经验，还有独家的秘方，直接打包成一个数字分身。那今天这个视频我会把 skill 给大家彻底讲透。咱们先回顾一下以前你是怎么用 ai 的。 一开始的 ai 其实很简单，就是一个纯粹的大脑， 你可以跟他去聊天，跟他去对话，但是呢，因为他没有手，因为他没有眼睛，也没有耳朵，所以他只能根据他固有的记忆来回答问题，他甚至连今天是几月几日，还有今天的天气都不知道。 你要让他去做一些和现实关联的事情，只有一个办法，那就是写一大堆的提示词，把当前问题的前因后果全部告诉 ai， 这个非常的繁琐。但是啊，在二零二三年的时候，厂商们呢就开始给 ai 装上一双手，这就是我们说的工具调用啊，英文叫 fashion code， 这个时候你去问 ai 天气 ai， 它就会去生成一个调用天气工具的指令，然后呢，它就去问这个工具，哎，今天到底是几月几号啊？然后这个工具就会告诉它，哎，今天是，比如说，呃，五月十号啊，然后它就会把这个数据呢合成到自己的答案里面，那通过这个方法， ai 终于能够做事了， 但是呢，随着这个工具越来越多，如何去管理，如何去高效地统一地去使用这些工具就成为了一个很大的挑战啊，因为工具非常多，有几千上万种。那为了解决这个问题呢，业界又推出了一个东西叫 m c p 啊，你或许听说过这个概念，它就是给所有的 ai 员工发放了一个通用的门禁卡， 不管你是用什么工具，大家都可以用统一的这个门禁卡的规范就可以去开门。这一下子让全世界所有的工具都能够被 ai 快 速的调用，你可以用 ai 去打车呀，用 ai 点外卖呀，用 ai 去操作智能家居，在这个时候都变成了现实。 但是现在我们进入到了第四个阶段，也就是员工手册阶段，这就是我们开头说的 skill， 你 可以想象一下啊，如果你是一个公司的 ceo， 你 完全不了解你的公司，也完全不知道自己要怎么干活，这时候 你会怎么办？那很有可能你会给他一个非常详细的员工手册，那这个手册里面就会写清楚员工手册啊，操作流程啊，工作标准啊，还有问题的解答等等。而 skill 呢，其实就是这样的一个东西。 说到这里呢，你可能会觉得 skill 是 不是就是一份知识库？但是呢， skill 呢，它有一个非常关键的设计准则，叫做渐进式批漏，这是 skill 相比原来的 ai 知识库最革命性的地方。 以前呢，我们要给 ai 喂，知识只有两条路啊，一种呢，就是把所有的知识一股脑的全部塞给 ai， 这就像是你给一个员工一本一千页的手册，让他一次性全部读完， 结果就是有些员工可能根本就没有能力，他完全记不住。放在 ai 这个领域呢，就是超过了 ai 最大的上下文的文件长度。那还有一种呢，就是我们让 ai 去你的知识库里面去搜索，只看他搜到的那部分相关的内容， 就像是我们去谷歌和百度去搜索。但是最大的问题是啊，它不能保证每一次我们刚好都能搜到你想要的东西，因为 知识库里面很可能有很多相似的内容，很可能就找错了，或者根本找不到。而 skill 的 渐近式批漏，它完全不一样，它其实说白了就是一个文件夹，它特别像咱们人类使用文档的方式， ai 一 开始呢，只会去读取这个文件夹里的章节目录， 就像是一个员工，他只需看了你员工手册的目录，知道有哪些章节。那当 ai 判断哪一个 skill 和当前的任务相关的时候，他不需要像刚才说的那样，在整本书里面去搜关键词， 而是就像一个员工去翻开手册的相关章节一样，去获取他需要的具体的指导。他就像是一棵树啊，从主干到分支可以越分越细。 你比如说假设你是一个律师事务所，你就可以把所有的法律案例啊，判例啊，合同的模板啊，还有审核的标准全部打包成一个 skill。 这个 skill 呢，它就可以包含几百万字的内容， 但是 ai 根本不需要一次性的加载所有的内容，它只需要根据具体的任务加载相应的部分。这样的话， ai 它既拥有了完整的专业知识，而且又保持了高效的执行速度。那对比传统的知识库， skill 还有一个非常大的优势，就是确定性。你想啊，以前你给 ai 一个规则，那 ai 有 可能会理解错， 但是 skill 呢，它是直接可以在里面内置有程序的代码的，可以让关键的步骤不再依赖 ai 去自由发挥。比如说啊， 你可能想让 skill 从一个电子发票里面去提取商品的名称，那传统的方法呢，就是让 ai 去读取发票的文字来自己去猜这些文字里面哪一部分是这个商品的名字，那这就很容易出错。 但是现在的 skill 里面，你可以直接内置一个专门的程序，用来直接从 pdf 里面提取出相应的字段，结果就可以做到百分之百的准确。而这些程序它也可以用 ai 来自动地生成，只要一次测试没有问题，后续全部都可以附用。 那说了这么多呢，那 skill 给咱们普通人带来了哪些机会呢？首先呢，就是知识的封装，咱们普通人可以直接把自己工作中的一些专业技巧呀，一些最佳实践呀，还有公司的标准呀，通过 skill 的 形式封装起来。 比如说一个律师，我可以把合同审核中的十个关键条款，还有对应的这个脚本全部打包，然后变成一个 skill， 那 你公司里面的每一个人都可以拥有和你一样的能力，你甚至呢，还可以把 skill 作为一种资产，直接去售卖和变现，形成一个专业的技能市场。 还记得刚才我们说 skill 里可以有程序吗？所以 skill 它不仅仅是知识库，你可以去售卖具体的执行方案。这就是第二个大的机会，你可以通过下载不同领域专家提供的 skill， 给自己构建一个非常专业的 ai 专家团队。 比如说你可以去下载和拥有一个财务报表分析的 skill， 一个自媒体文案优化的 skill， 还有一个个人健康数据管理的 skill。 而这些 skill 就 可以把你的通用 ai 变成了只为你服务的具备行业级的专业知识的超级个体。 所以 skill 意味着 ai 进化到了一个高度专业化、可组合还有确定性的时代，它把封装专业知识的能力交到了每一个普通人的手里。而在这个时代，你的专业知识就是你创造 ai 财富的一个最好的资产。 那大家觉得我有没有把 skill 给大家讲清楚呢？评论区可以讨论一下以上内容呢？来自我的 ai 成长圈的日课，已经加了成长圈的朋友可以去看一下，我是 c 哥，点赞关注，咱们下期见！
964C哥聊科技
01:32查看AI文稿AI文稿mclu 最强外挂，其他 skills 爬起不到的数据由我 scrapping skills 来进行抓取。我们先来看看这个 skills 它到底留在哪里？最后我们来实操看一下它的一个整体效果到底如何。 这个 skills 它不仅能够穿透各种防爬的一个网页护盾，同时它还能把网页的一个原码给扒下来，然后把它进行清洗为干净的一个结构化数据。这个 skills 已经在 github 上面已经收获了二十六点七 k 的 一个 stars， 它主要有如下四个特点，第一个，它能够完美的模拟最起码的一个浏览器的一个指纹和操作行为，可以帮 oppco 呢去开箱即用的绕过这些阻拦。第二个， 还有一套智能的自适应算法，即使网站为了防爬或者是为了换新视觉而打乱了 h t m l 的 一个结构，它都能够重新精准定位。第三个，这个框架这样的内存真的非常小，所以即使你手头上只有一个吃亏多年的笔记本，或者是出一个入门的一个服务器，你都能够轻松的跑起来。第四个，它还有一个记忆功能， 即使你偶尔遇到了一个断网或者是突然断电，它都能把你爬取的一个进度保存下来。当恢复了一个电源啊或者是恢复了一个网络，它都能够无缝衔接的重新继续它的一个任务，完全不需要你人工的去进行重启。最后我们来实操一下，我们还是使用 charles studio 里面的一个 open cool 安装的一个方法呢，我在之前的视频也有讲过， 我们直接在这个 open crawl 里面跟他进行描述，说使用 scraping skills 去帮我们爬取某网站的一个数据，然后告诉他我们需要爬取的哪些字段呀，以及保存的一个本地路径，可以看到它经过一系列的一个分析，最终是成功的把这个网站的一个数据爬到了一个本地目录上， 然后我们打开本地目录也能成功的看到这个爬取来的数据，然后我们打开这个数据，结果我自己也验证过了，这个链接以及对应的书名都是一一对应的，所以这个 skills 我是 觉得很不错的，大家可以去试一试。
1860Ning好
